Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Herramienta de IA acelera la clasificación de tumores cerebrales a partir de histología rutinaria

Por el equipo editorial de LabMedica en español
Actualizado el 19 Jun 2026
Imagen: El nuevo sistema de IA clasifica 102 subtipos moleculares de tumores del SNC a partir de secciones histológicas digitalizadas y teñidas de forma rutinaria (Crédito de la imagen: iStock)
Imagen: El nuevo sistema de IA clasifica 102 subtipos moleculares de tumores del SNC a partir de secciones histológicas digitalizadas y teñidas de forma rutinaria (Crédito de la imagen: iStock)

La clasificación precisa de los tumores cerebrales y de la médula espinal depende cada vez más del perfil molecular junto con la histología, pero el acceso a estas pruebas sigue siendo limitado y los resultados pueden tardar unas dos semanas. El análisis de metilación del ADN se considera el método de referencia para muchos diagnósticos del sistema nervioso central, pero requiere laboratorios especializados y suficiente material tumoral. Estas limitaciones pueden retrasar la caracterización definitiva y complicar las decisiones sobre las pruebas posteriores. Un nuevo estudio demuestra que un sistema de inteligencia artificial puede proporcionar clasificaciones tumorales con información molecular a partir de muestras rutinarias en cuestión de minutos.

Desarrollado en el Centro Alemán de Investigación del Cáncer (DKFZ) en colaboración con la Universidad de Heidelberg y el Hospital Universitario de Heidelberg, el sistema de IA Hetairos clasifica 102 subtipos moleculares de tumores del sistema nervioso central (SNC) a partir de secciones histológicas digitalizadas y teñidas de forma rutinaria.

El modelo proporciona un diagnóstico junto con una estimación de confianza y resalta las regiones de la muestra que más influyeron en su decisión, ofreciendo a los patólogos pistas interpretables para las pruebas de seguimiento. Según el estudio, este enfoque está diseñado para complementar, no para reemplazar, los ensayos moleculares ya establecidos.

Hetairos fue entrenado y validado con más de 11 000 secciones de tejido digitalizadas de 9606 pacientes, cuyos diagnósticos de referencia se determinaron principalmente mediante el perfil de metilación del ADN. Los datos procedían de 11 centros médicos de cuatro continentes, y los 102 subtipos abarcan casi toda la clasificación actual de tumores del SNC de la Organización Mundial de la Salud. En aproximadamente el 50 % al 70 % de los casos, el sistema emitió predicciones de alta certeza, que resultaron correctas entre el 87 % y el 88 % de las veces.

En una comparación directa, cinco neuropatólogos experimentados de centros internacionales revisaron 210 casos utilizando únicamente secciones histológicas. Hetairos alcanzó una precisión del 68%, mientras que los especialistas obtuvieron un promedio del 30%. Utilizando las tres predicciones principales, la precisión llegó al 84% para la IA y a cerca del 50% para los expertos.

En un entorno clínico prospectivo, el sistema analizó 210 muestras tumorales en paralelo con los flujos de trabajo rutinarios, generando resultados en aproximadamente 12 minutos en hardware estándar después de la digitalización de las láminas. Por el contrario, el diagnóstico molecular completo requirió un promedio de 12 días; incluyendo la preparación y el escaneo, los resultados basados en Hetairos a menudo podían estar disponibles en 24 a 48 horas.

El estudio, publicado en Nature Cancer el 10 de junio de 2026, destaca las posibles ventajas operativas, ya que el método analiza secciones rutinarias existentes en lugar de requerir ensayos adicionales que pueden costar varios cientos de euros. Los autores indican que Hetairos puede ser particularmente útil cuando el material tumoral es limitado, cuando las pruebas moleculares no son concluyentes o cuando dichas pruebas no están fácilmente disponibles.

“Los resultados demuestran que los sistemas de IA modernos son capaces de reconocer patrones morfológicos extremadamente sutiles que resultan difíciles de distinguir incluso para especialistas experimentados”, afirmó Felix Sahm, neuropatólogo del Hospital Universitario de Heidelberg y de la Universidad de Heidelberg.

“Hetairos demuestra el enorme potencial de la patología digital con soporte de IA para proporcionar métodos de diagnóstico rápidos y ampliamente disponibles que antes solo eran posibles con un considerable esfuerzo técnico”, dijo Moritz Gerstung, jefe de equipo del Centro Alemán de Investigación del Cáncer (DKFZ).

Enlaces relacionados
DKFZ
Universidad de Heidelberg

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
New
Drug Testing Assays
Atellica DT 250 Analyzer
ANALIZADOR DE INMUNOENSAYOS EN POC
Procise DX

Canales

Química Clínica

ver canal
Imagen: Un gran estudio internacional dirigido por City of Hope encontró que la nueva biopsia líquida en investigación, llamada PANXEON, era altamente sensible para detectar cáncer de páncreas en etapa 1 y 2 y tenía una baja tasa de falsos positivos. La prueba también pudo identificar displasia de alto grado, una condición precancerosa del páncreas, lo que potencialmente permite una intervención antes de que se desarrolle el cáncer. (Foto cortesía de ity of Hope)

Prueba sanguínea multibiomarcador muestra potencial para detectar cáncer de páncreas temprano

El cáncer de páncreas tiene las tasas de supervivencia más bajas de todos los cánceres, con solo un 14% de los pacientes con vida cinco años después del diagnóstico.... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Tecnología

ver canal
Imagen: Resumen gráfico (Wenjie Zhang, Zeyu Luo, Kaijie Liu y otros. Science Bulletin, 2026. doi:10.1016/j.scib.2026.09.016)

Marco de IA multimodal busca orientar decisiones sobre inmunoterapia contra el cáncer

La inmunoterapia contra el cáncer ha transformado la oncología, pero las respuestas heterogéneas y las toxicidades relacionadas con el sistema inmunitario siguen complicando la toma... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.